基于用户轨迹的小件物流配送方法及系统技术方案

本发明专利技术涉及移动物联网交叉技术领域，具体地说是一种能够有效提高物流配送效率、降低物流成本的基于用户轨迹的小件物流配送方法及系统，其特征在于包括服务器、两个以上的物流携带者客户端、两个以上的货物发送者客户端，其中每个物流携带者客户端和货物发送者客户端分别与服务器建立通信，本发明专利技术通过对用户的出行信息进行预测，并通过匹配算法为用户推荐匹配度高的物流，具有能够有效利用现有闲置资源，降低物流成本，提高物流效率等优点。

【技术实现步骤摘要】
本专利技术涉及移动物联网交叉
，具体地说是一种能够有效提高物流配送效率、降低物流成本的基于用户轨迹的小件物流配送方法及系统。
技术介绍
随着世界经济全球化和信息技术的发展，现代物流在经济和社会中的作用日益凸显，受到了企业和政府的重视。目前，小件物流在现代物流中所占的比重达70%。小件物流的配送成本包括社会分拣人力成本、配送人力成本和配送交通成本等,相比于配送价格,配送成本比例过大。这大大限制了现代物流的发展。 移动物联网以移动终端为载体，实现了物与物、人与物之间的整合。移动终端不仅具有通话功能，而且集成了丰富的计算、感知和通信能力。用户通过随身携带移动终端就可以收集并共享周围环境的感知数据。对大量样本进行统计发现，物流的需求和城市中人群日常出行轨迹接近。因此，将用户的出行轨迹通过移动终端收集，匹配服务器根据用户的出行轨迹为小件物流配送找到最小代价的出行者携带配送，可以有效地降低物流配送的成本。该技术涉及用户出行轨迹收集、用户出行信息预测、用户和待配送物品的最优化匹配等多项技术。现有技术可以收集用户的出行信息，例如，GPS装置可以记录用户在一段时间内位于不同位置的经纬度，然后可将此信息作为一个轨迹记录。用户出行信息预测就是根据用户的出行轨迹，采用数据挖掘方法从中找出用户的出行规律，并结合用户当前的运动趋势，实现对用户出行信息的预测。目前国内外关于用户出行信息预测的方法主要分为两类一类是传统的利用构造运动模型和运动函数的仿真技术并构造运动模型来精确预测的方法，这类方法研究时间久，技术成熟，但是却有着本质上的缺陷。另一类是新提出的使用数据挖掘相关技术进行预测的方法，这类方法依赖移动对象数据库中的历史数据，预测的实时性强。但是现有移动对象数据挖掘算法效率不高，并且在很多方面考虑不周全，许多涉及该方法的研究都没有给出一个十分完善且详尽的预测体系。本专利技术使用的Apriori算法的改进算法TidTraj算法有效地提高了时效性和精确度。用户和待配送物品的最优化匹配是根据用户的出行信息、出行意愿和物流配送需求，为用户推荐最匹配的物流配送任务，实现物流配送的最小代价花费。目前最优化算法分为两大类，第一类包括单纯形法、梯度法、动态规划法、分支剪界法，这些算法对于高度分线性的约束优化问题或NP-HARD问题、问题规模比较大的问题难以获得令用户满意的次优解；第二类是现代优化算法，包括遗传算法、模拟退火算法、群体复合形算法、人工鱼群算法和粒子群算法等，它们在优化复杂系统时，在一般情况下，还是能得到令人满意的次优解。本专利技术将遗传算法和复形法结合起来，加强了算法的搜索能力，加快了全局寻优速度。在这种混合算法中，遗传算法把握大局，确保混合算法能找到全局最优点的附近，复形法则在局部最优点附近有方向性的靠近最优点，在一定程度上解决了遗传算法的早熟问题。将遗传算法与复形法结合可以得到一定程度的互补效果，使得在较少的迭代步中找到精确度高的最优点。
技术实现思路
本专利技术针对现有技术中存在的缺点和不足，提出一种匹配准确、能够显著提高物流配送效率，并降低物流配送成本的基于用户出行轨迹的小件物流配送方法及系统。本专利技术可以通过以下措施达到 一种基于用户出行轨迹的小件物流配送方法，其特征在于包括以下步骤 步骤一通过GPS收集用户的出行轨迹，并将将用户名、用户的出行时间、出发地、目的地和出行方式存储在智能终端中，其中所述用户为待选择物流携带者，智能终端为物流携带者客户端， 步骤二 对用户的出行轨迹信息进行预处理，包括对采集到的信息数据进行校正、滤波平滑和奇异点的检测、去除，数据经过处理后，再经过数据集成，存放在物流携带者客户端中的用户出行轨迹存储模块中，供用户出行信息预测使用， 步骤三通过物流携带者客户端中的用户出行信息预测模块，根据步骤二中所获用户出行轨迹信息，对用户的出行信息进行预测，包括通过构建轨迹的TicLList来计算支持度，即在每一次迭代产生候选频繁轨迹集合时通过TicLList来计算支持度，在每一次迭代产生候选频繁轨迹集合时通过Tid_List的交集，来产生新的Tid_List，通过迭代找出所有频繁轨迹的集合F，进而产生相应的运动规则，将所有运动规则的集合叫做运动规则集，通过运动规则的匹配来预测用户的出行信息，并将最终预测结果以及参与物流意愿发送至服务器2， 步骤四服务器2接收用户出行信息、参与物流意愿和由货物发送客户端发送的物流需求，通过匹配算法，为用户推荐匹配度高的物流。本专利技术中执行步骤四后，用户可以通过执行如下步骤对服务器推荐的匹配度高的物流进行进一步选择，具体为用户通过匹配服务器中的用户反向竞价模块进行选择，用户反向竞价模块的功能包括用户竞价流程的控制；用户权限的配置，即在某一个时间段内一个用户只能对一次物流配送进行竞价；设置时间限制功能，即同一用户在两分钟内不得连续出价；最终最低出价的用户获得物流配送的权利，完成物流的进一步选择。本专利技术还包括配送完成后的激励，具体为配送完成之后用户通过用户携带者客户端向服务器发送配送完成的信息，服务器的用户虚拟货币支付模块为用户支付虚拟货币。本专利技术步骤三中所述通过构建轨迹的Tid_List来计算支持度,包括以下步骤 (1)扫描用户出行轨迹数据库L找出单位频繁轨迹隼i(所有长度为I的频繁轨迹的集合)，并给每个单位频繁轨迹建立其相应的Tid _List, (2)对于两条单位频繁轨迹匕和^,满足设定的条件，那么将两条轨迹合并，生成一条长度为2的轨迹，即将所有通过此方法构成的轨迹的集合叫做2-频繁轨迹候选集，记做C2 ,也即长度为2的所有频繁轨迹都包含在C2中，即/2 Q C2,同时，对C2中所有轨迹建立TH _乙^，建立方法是对组成其中轨迹的单位频繁轨迹的TM 作交集，以&, 4为例，将它们合并生成的轨迹记做那么的通过匕，&的？做交集得到，即 , _TidL TidLη4 _TidL。轨迹it 的支持度sup(Q =
c —TidL|/ \D\,将支持度不满足阈值mm sup的轨迹从Q中删除，便生成了长度为2的频繁轨迹集/2 , (3)对^ 卩的所有轨迹，将可连接的任意两条轨迹做连接操作，将连接生成的所有轨迹构成3-频繁轨迹候选集Q ,设&和可以连接,令(那么将轨迹[加入到集合(73中，和第二步一样计算出=，同时匕的支持度相应的通过SuP(g = ^ _1!叫/ Pl得出，从03删除支持度小于阈值 ^ sup的轨迹，就生成了长度为3的频繁轨迹集/3，反复进行这个过程，不断通过对中轨迹进行连接以及相应的操作产生h ,直到不再产生更长的频繁轨迹集为止，最后，将产生的所有频繁轨迹的集合F及其包含的轨迹的支持度输出。本专利技术步骤三中所述产生相应的运动规则，具体包括对于一条长度为的频繁轨迹H，可以将其分裂为-1个轨迹对(4,φ ,若咖Λ = SupCii) / sup^1) 2mm W/,其中 min conf是给定的最小支持度阈值,则记是一条运动规则，所有运动规则的集合叫做运动规则集(简称规则集)，记为^vmle。本专利技术步骤三中，生成规则集movrule之后，有了规则集，最后一步就是通过运动规则的匹配来预测用户的出行信息，预测的具体过程如下 对于一个用户O，给本文档来自技高网...

【技术保护点】
一种基于用户出行轨迹的小件物流配送方法，其特征在于包括以下步骤：步骤一：通过GPS收集用户的出行轨迹，并将将用户名、用户的出行时间、出发地、目的地和出行方式存储在智能终端中，其中所述用户为待选择物流携带者，智能终端为物流携带者客户端，步骤二：对用户的出行轨迹信息进行预处理，包括对采集到的信息数据进行校正、滤波平滑和奇异点的检测、去除，数据经过处理后，再经过数据集成，存放在物流携带者客户端中的用户出行轨迹存储模块中，供用户出行信息预测使用，步骤三：通过物流携带者客户端中的用户出行信息预测模块，根据步骤二中所获用户出行轨迹信息，对用户的出行信息进行预测，包括通过构建轨迹的Tid_List来计算支持度，即在每一次迭代产生候选频繁轨迹集合时通过Tid_List来计算支持度，在每一次迭代产生候选频繁轨迹集合时通过Tid_List的交集，来产生新的Tid_List，通过迭代找出所有频繁轨迹的集合F，进而产生相应的运动规则，将所有运动规则的集合叫做运动规则集，通过运动规则的匹配来预测用户的出行信息，并将最终预测结果以及参与物流意愿发送至服务器，步骤四：服务器接收用户出行信息、参与物流意愿和由货物发送客户端发送的物流需求，通过匹配算法，为用户推荐匹配度高的物流。...

【技术特征摘要】
1.一种基于用户出行轨迹的小件物流配送方法，其特征在于包括以下步骤 步骤一通过GPS收集用户的出行轨迹，并将将用户名、用户的出行时间、出发地、目的地和出行方式存储在智能终端中，其中所述用户为待选择物流携带者，智能终端为物流携带者客户端， 步骤二 对用户的出行轨迹信息进行预处理，包括对采集到的信息数据进行校正、滤波平滑和奇异点的检测、去除，数据经过处理后，再经过数据集成，存放在物流携带者客户端中的用户出行轨迹存储模块中，供用户出行信息预测使用， 步骤三通过物流携带者客户端中的用户出行信息预测模块，根据步骤二中所获用户出行轨迹信息，对用户的出行信息进行预测，包括通过构建轨迹的TicLList来计算支持度，即在每一次迭代产生候选频繁轨迹集合时通过TicLList来计算支持度，在每一次迭代产生候选频繁轨迹集合时通过Tid_List的交集，来产生新的Tid_List，通过迭代找出所有频繁轨迹的集合F，进而产生相应的运动规则，将所有运动规则的集合叫做运动规则集，通过运动规则的匹配来预测用户的出行信息，并将最终预测结果以及参与物流意愿发送至服务器， 步骤四服务器接收用户出行信息、参与物流意愿和由货物发送客户端发送的物流需求，通过匹配算法，为用户推荐匹配度高的物流。2.根据权利要求I所述的一种基于用户出行轨迹的小件物流配送方法，其特征在于步骤三中所述通过构建轨迹的Tid_List来计算支持度,包括以下步骤 (1)扫描用户出行轨迹数据库P,找出单位频繁轨迹隼i(所有长度为I的频繁轨迹的集合)，并给每个单位频繁轨迹建立其相应的 Μ —Zisl, (2)对于两条单位频繁轨迹~和^，满足设定的条件，那么将两条轨迹合并，生成一条长度为2的轨迹，即将所有通过此方法构成的轨迹的集合叫做2-频繁轨迹候选集，记做C2 ,也即长度为2的所有频繁轨迹都包含在C2中，即/2 G C2,同时,对C2中所有轨迹建立Tid —List,建立方法是对组成其中轨迹的单位频繁轨迹的Tid —List作交集，以& , &为例，将它们合并生成的轨迹记做(，那么 ε的Tid —Usi通过&, h的TM _List做交集得至IJ，即 _ TidL =、_ TidL η % _TidL,轨迹、的支持度 sup(g = \te _TidL\i |D|,将支持度不满足阈值mm SUp的轨迹从Cf3中删除，便生成了长度为2的频繁轨迹集^， (3)对于/2中的所有轨迹，将可连接的任意两条轨迹做连接操作，将连接生成的所有轨迹构成3-频繁轨迹候选集C3 ,设Ie和G可以连接，令(=匕那么将轨迹加入到集合Cf3中，和第二步一样计算出tiTidl^t...

【专利技术属性】
技术研发人员：宋沿锋，迟丽宁，宋峥，
申请(专利权)人：威海智联信息网络有限公司，
类型：发明
国别省市：